[{"data":1,"prerenderedAt":99},["ShallowReactive",2],{"seo-verification":3,"marketplace-app-fr-flowise":6},{"google":4,"bing":5},"EycwPY2XMyTkVzas3n1ygeNJFGAH513qrMjfDljzsMQ","",{"slug":7,"name":8,"description":9,"phase":10,"docsUrl":11,"logo":12,"github":13,"tagline":14,"longDescription":15,"features":16,"useCases":23,"steps":33,"faq":46,"specs":62,"compatibleOs":70,"relatedApps":72,"relatedPosts":94,"category":96},"flowise","Flowise","Construisez des pipelines d'automatisation LLM en drag-and-drop. Chaînes LangChain visuelles, connectées à vos outils existants.",1,"https:\u002F\u002Fservorbit.com\u002Fblog\u002Fheberger-flowise-vps",null,"https:\u002F\u002Fgithub.com\u002FFlowiseAI\u002FFlowise","Construisez des pipelines LLM et des chatbots IA en drag-and-drop — LangChain visuel.","Flowise est un outil open source qui permet de construire des applications LLM (chatbots, agents, pipelines RAG) à travers une interface visuelle basée sur LangChain. Sans écrire de code, vous pouvez chaîner des composants — LLMs, bases vectorielles, parseurs de documents, outils API — pour créer des applications IA fonctionnelles.\n\nAuto-hébergé sur votre VPS, Flowise donne accès à toute la puissance de LangChain sans la complexité du code Python. Il supporte de nombreux LLMs (OpenAI, Anthropic, Mistral, Ollama) et bases de données vectorielles (Pinecone, Chroma, Qdrant). Idéal pour les équipes qui veulent prototyper des applications IA rapidement.",[17,18,19,20,21,22],"Interface drag-and-drop basée sur LangChain","Support 20+ LLMs et 10+ bases de données vectorielles","RAG visuel : connectez vos documents en quelques clics","Déploiement d'API et widget chatbot en un clic","Partage de flux entre membres de l'équipe","Marketplace de templates prêts à l'emploi",[24,27,30],{"title":25,"body":26},"Chatbot documentaire","Construisez en quelques heures un chatbot capable de répondre à des questions sur vos PDFs internes.",{"title":28,"body":29},"Pipeline d'analyse","Automatisez l'extraction d'informations structurées depuis des textes non structurés (emails, contrats, rapports).",{"title":31,"body":32},"Prototype IA rapide","Testez des architectures LLM complexes sans code avant de les réécrire proprement dans votre application.",[34,37,40,43],{"title":35,"body":36},"Déployer Flowise","VPS 2 Go RAM minimum. Exécutez `docker run -d -p 3000:3000 flowiseai\u002Fflowise`. Flowise démarre avec sa base de données SQLite intégrée.",{"title":38,"body":39},"Configurer la persistance","En production, montez un volume Docker sur `\u002Froot\u002F.flowise` pour persister vos flows et données entre les redémarrages.",{"title":41,"body":42},"Exposer en HTTPS","Reverse proxy Nginx + Certbot. Activez l'authentification dans les variables d'environnement (FLOWISE_USERNAME, FLOWISE_PASSWORD).",{"title":44,"body":45},"Créer votre premier flow","Dans l'éditeur, glissez un LLM, une mémoire de conversation et un prompt — connectez-les et testez le chat en quelques minutes.",[47,50,53,56,59],{"q":48,"a":49},"Qu'est-ce que Flowise ?","Flowise est un outil open source qui offre une interface visuelle pour LangChain. Il permet de construire des applications LLM (chatbots, RAG, agents) sans écrire de code.",{"q":51,"a":52},"Flowise vs Dify : lequel choisir ?","Flowise est plus proche de LangChain — idéal pour les développeurs qui veulent construire des pipelines LLM complexes. Dify est plus orienté produit final avec gestion d'utilisateurs, monitoring et déploiement. Les deux sont complémentaires.",{"q":54,"a":55},"Quelle RAM pour Flowise ?","Flowise lui-même tourne avec 1 Go de RAM. En pratique, 2 Go sont recommandés pour une utilisation confortable, 4 Go si vous l'associez à une base vectorielle locale.",{"q":57,"a":58},"Flowise supporte-t-il Ollama ?","Oui. Vous pouvez connecter une instance Ollama locale — sur le même VPS ou un serveur séparé — et utiliser n'importe quel modèle open source dans vos flows.",{"q":60,"a":61},"Peut-on exporter les flows Flowise ?","Oui. Les flows sont exportables en JSON. Vous pouvez les sauvegarder, les partager ou les importer sur une autre instance Flowise.",{"ram":63,"cpu":64,"stack":65,"port":69},"2 Go","1 vCPU",[66,67,68],"Docker","Node.js","SQLite \u002F PostgreSQL","3000",[71],"ubuntu-24.04",[73,81,89],{"name":74,"slug":74,"categorySlug":75,"categoryName":76,"categoryColor":77,"logo":78,"tagline":79,"description":80},"n8n","automatisation","Automatisation & Workflows","text-brand-action bg-brand-action\u002F10","https:\u002F\u002Fcdn.simpleicons.org\u002Fn8n","Automatisez vos processus métier avec 400+ intégrations — 100 % auto-hébergé sur votre VPS.","Automatisez vos workflows entre applications sans code. Plus de 400 intégrations, 100 % auto-hébergé sur votre VPS.",{"name":82,"slug":83,"categorySlug":84,"categoryName":85,"categoryColor":86,"logo":12,"tagline":87,"description":88},"Dify","dify","ia","Intelligence Artificielle","text-purple-400 bg-purple-500\u002F10","Créez des applications LLM en drag-and-drop — chatbots, agents, pipelines RAG — sans backend.","Créez des applications LLM visuellement : chatbots, agents RAG, pipelines — sans écrire de code backend.",{"name":90,"slug":91,"categorySlug":84,"categoryName":85,"categoryColor":86,"logo":12,"tagline":92,"description":93},"Open WebUI","open-webui","Interface web pour vos LLMs — Ollama, OpenAI, Mistral — hébergée sur votre propre serveur.","Interface web pour interagir avec vos LLMs locaux ou distants. Vos données restent sur votre infrastructure — aucun tiers impliqué.",[95],"heberger-application-ia",{"key":75,"slug":75,"name":76,"objective":97,"icon":98,"color":77},"Automatiser les processus métier.","automation",1784126249184]